La Escuela de Ingeniería Eléctrica de la PUCV ha aplicado la inteligencia artificial para intentar pronosticar con suficiente antelación la aparición de eventos inestables en un dispositivo experimental de fusión nuclear.
El famoso físico Stephen Hawking declaró hace poco que la inteligencia artificial podría ser el fin de nuestra civilización si esta disciplina no se administra adecuadamente. Es curioso que una persona que se comunica gracias a la tecnología, debido a que padece de limitaciones físicas como consecuencia de una larga enfermedad, diga una frase tan inquietante contra uno de los avances más inspiradores de nuestra era.
Por supuesto, Hawking no está preocupado por el triunfo de sofisticados programas de computador sobre connotados campeones mundiales del ajedrez, o del complicadísimo juego de origen chino llamado Go. Seguramente, tampoco le preocupa el desarrollo de traductores en tiempo real, que nos permitirán comunicarnos con otras personas en prácticamente cualquier idioma. Es incluso posible que su comentario tampoco considere preocupante el desarrollo de vehículos autónomos sin conductor, que pronto veremos en las calles. No, nada de eso le quita el sueño al científico. Lo que probablemente teme es que más temprano que tarde llegará el momento en que muchas de las labores actuales que realizamos los humanos serán reemplazadas por sistemas autónomos que actuarán y decidirán con mayor rapidez, fuerza, precisión e inteligencia.
¿Qué es la inteligencia artificial?
Según el diccionario, la inteligencia artificial es la disciplina que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el razonamiento lógico o el aprendizaje. Esta última habilidad es, sin duda, una de las claves del desarrollo de los sistemas inteligentes. El aprendizaje permite a un sistema inteligente obtener un modelo de comportamiento o decisión ante situaciones pasadas, pero también ante otras futuras o desconocidas, tal como lo hacen los niños cuando aprenden a diferenciar una pera de una manzana. Cuando aprendemos, no vemos todos los tipos de manzanas existentes, pero somos capaces de reconocer como tal a una que no hemos visto anteriormente.
¿Cómo aprenden las máquinas?
Se han desarrollado muchas formas para que una máquina o robot aprenda. En la mayoría de ellas, el proceso se divide en dos etapas: extracción de características diferenciadoras, y entrenamiento de un modelo o regla de decisión.
Por ejemplo, para enseñarle a un sistema que distinga una pera de una manzana, primero se debe determinar qué atributos hacen diferente una fruta de la otra. Podemos pensar quizás en el color y la forma de las frutas, pero en vez de determinar nosotros mismos la tonalidad precisa o el perfil exacto que deba tener una pera para ser catalogada como tal, usamos una gran cantidad de imágenes de ejemplo de peras y manzanas, y buscamos una regla o modelo que clasifique correctamente la mayor cantidad de imágenes. El entrenamiento se puede hacer secuencialmente, ajustando después de cada imagen de ejemplo, la regla de decisión.
Por supuesto, si entrenamos solo con manzanas rojas nuestro modelo probablemente se equivocará en catalogar como pera a una manzana verde. Por la misma razón, si solo imágenes de peras de la variedad Packham’s, bastará con que enfrentemos nuestro modelo a una pera de la variedad Angelys para etiquetarla erróneamente como manzana.
De las manzanas a la fusión nuclear
Una de las ventajas de la metodología utilizada para enseñar a las máquinas es que es prácticamente aplicable a cualquier problema potencialmente automatizable.
Hoy ya se han diseñado robots que ejercen labores de recepcionista de hoteles. También se pueden encontrar sistemas inteligentes que realizan directamente miles de transacciones por segundo en las bolsas de comercio, o que analizan miles de casos similares para proponer la mejor estrategia legal a un cliente de un bufete de abogados.
En el caso particular de la Escuela de Ingeniería Eléctrica, bajo el proyecto FONDECYT 1161584, se ha aplicado la inteligencia artificial para intentar pronosticar con suficiente antelación la aparición de eventos inestables en un dispositivo experimental de fusión nuclear. Estos dispositivos intentan reproducir el mismo proceso de generación de energía que ocurre en las estrellas como nuestro sol. De ser factible controlar continuamente el dispositivo, detectanto y mitigando con anticipación todas las inestabilidades, la producción podría suplir las necesidades actuales de energía, mediante un proceso económico, limpio, seguro, y prácticamente inagotable para todo el planeta.
*Nota: Este artículo de opinión y divulgación fue publicado originalmente como publirreportaje en el diario La Segunda, el viernes 9 de junio de 2017.